强化学习入门系列 (2 篇)
【强化学习入门系列】 第2篇：马尔可夫决策过程（MDP）——强化学习的数学语言
本篇目标：理解 MDP 的完整数学定义，搞清楚"马尔可夫性"的直觉含义，以及状态转移、奖励函数、折扣因子、策略这些概念在数学上是怎么表达的。不会只堆公式，每个概念都会给你一个能抓得住的直觉。
admin
【强化学习入门系列】第1篇：什么是强化学习？从游戏说起
假设你现在在玩《超级马里奥》，第一次上手，你完全不知道怎么操作。 你按了一下右键，马里奥往右走了——好像没什么问题。你又按了跳跃，马里奥跳过了一个坑——不错。然后你一头撞上了一个蘑菇怪，扣血了。你心里记住了：遇到蘑菇怪要跳过去。 就这样，你死了一遍又一遍，每一次失败都让你学到一点东...